当前对心态感知方法以主观自评的问卷调查方法为主。问卷调查的方法历史悠久,可以准确获知被试者的心理要素。然而该方法受社会赞许性、测评周期长、成本高等因素影响,无法及时大规模获取用户的相关心理要素。个人心态主导个人行为,反过来也就是说,可通过观测个人行为,对其个人心态进行预测。近些年,我国互联网信息事业得到了迅猛发展,以社会媒体为主的网络社会已成为现实社会的投影,可以满足人们日常生活各方面的需求。在当前的大数据时代下,社会媒体中的网络行为,作为一个极具代表性的个人行为,越发引起学者的关注。社会媒体中的大数据,使得社会心态的感知在客观性、覆盖范围、计算周期和成本投入等方面,弥补了传统研究方法的局限,使通过网络行为分析对用户心态要素的实时可靠预测成为可能。基于以上,本研究从用户网络行为分析入手,尝试预测主导行为的心理动因,即心态。通过社会媒体的跨平台分析,大规模获取用户社会媒体的网上行为痕迹数据,提取了用户网上行为、文本内容和文本情感三方面的多模态特征,建立了用户社会态度多维度心理特征的预测模型。研究表明,模型的正确率超过80%,且达到了心理学意义的中等相关。本研究的主要内容和贡献包括:1)提出了基于情感词典和修正朴素贝叶斯方法的读者情感分类方法,在中文新闻语料库上的实验表明,该方法可对文本的情感进行准确分类;2)提出了基于微博媒体的社会态度感知方法,通过将多任务学习方法与增量拟合方法的融合,提高了从微博数据到社会态度预测的相关性和精度。研究成果应用于北京地区,针对北京公交地铁调价的群体性事件前后,对公众的社会态度进行计算。结果表明群体性事件对公众社会态度具有影响,本研究的模型可对群体性事件前后的社会心态进行即时计算感知。